詞彙語料庫分詞建立

學習詞彙如何分詞之前，應先對「詞彙」二字有所認識，方能判斷語詞 該切分或合併。本節先初步介紹詞彙的結構與層次，再就適合國小學生使用 之語料庫進行分詞的介紹與應用。

一、詞彙的結構

語言是由語音、詞彙、句子三個層次組合而成的。詞彙又可分成語素、

詞、詞組三個小層次。每一層的組合都不是任意的排列組合，而是有一定規

19

律的（竺家寧，1998）。國語如此，英語也是如此。語言層次是一個倒金字 塔的結構，這些層次是由最小的單位開始（語言的聲音），接著提升到整個 字、整句話、成串的句型。語言的各層次結構如下圖，見圖 2-2：

圖 2- 2 語言各層次

資料來源: 心智地圖：帶你了解孩子的八種大腦功能(頁183)，蕭德蘭譯，2004，臺北：

天下遠見。

研究者欲探討國語首冊教科書中的詞彙，有必要先了解詞彙構成的語法 單位；有責任先釐清「詞素」、「詞」與「詞組」彼此的範圍和關聯性，好為 將來分詞概念奠定基礎。

(一) 詞素

語音是語言結構的底層，是幾個有限的音位，按照規律組合起來，變成

「音節」。當音位組合成音節後，具有了意義，就是「詞素」。詞素就是「構 詞元素」，它是具有意義的最小語言單位（竺家寧，1998）。詞素由可否單獨 成詞可以區分出「自由詞素」和「附著詞素」兩種類型。

1. 自由詞素

自由語素可以自由來往兩個層次（竺家寧，1998），既能作構詞成分，

又能單獨成詞的語素（楊惠珍，2012）。例如：「買」可居於一個詞的地位，

在「購買」、「買賣」中的「買」就是詞素；又「想」是詞，「夢想」、「想念」

中的「想」就是詞素。有的字既可以作詞素，也可以作詞。

2. 黏著詞素

黏著詞素只能作構詞成分，本身不能單獨成詞，必須與其他成分相結合

（楊惠珍，2012 ）才能出現在句子裡。例如：「社」字只能組成「社會、社 探討語言與其他活動的關係 (語言學，metalinguistics)

長篇大論的語言 (論述文，discourse) 組合文字成為句子 (造句法，syntax)

文字的含意 (語義學，semantucs) 文字片段 (語素，morphemess)

語音 (音素，phonemes)

20

稷、社論……」等詞，才能出現在句子中，單一個「社」字不行；又「作」

字不能單獨成詞，永遠得和另一個成分附著在一起，如「作家」、「作怪」、「創 作」……等。

然而「自由詞素」和「黏著詞素」的界線並不十分清楚，劃分上存在著不 確定性，連帶的也影響到詞的界定。

(二) 詞

詞是由詞素組成，代表單一的概念（竺家寧，1998）。葛本儀（2005）

曾提出五個詞的特色：

1. 詞必須具有一定的語音形式。

2. 詞必須表示一定的意義。

3. 詞是最小的造句單位。

4. 詞是可以獨立運用的。

5. 詞是造句單位。.

詞可以依照詞裡所包含詞素的多寡，分為「單純詞」和「合成詞」。

1. 單純詞：只包含一個詞素。

(1) 單音節：僅由一個字構成且可以清楚表達一個意義或概念（李麗綺，

2003），如「山」、「從」、「爬」、「家」……等。

(2) 雙音節：由兩個音節，且單一個字並不具任何意義，必須把個音節組 合起來才具備意義（李麗綺，2003）。如「玻璃」、「螞蟻」、

「窈窕」、「琵琶」、「忐忑」……等。

(3) 多音節：由多個音位，即三個以上的漢字所組成的詞。如「巧克力」、 「馬拉松」、「歇斯底里」、「淅瀝嘩啦」……等。

2. 合成詞：由兩個或兩個以上的詞素合成。

(1) 實詞素與實詞素組合：由兩個各自獨立的單純詞結合在一起。如「山 水」、「美麗」、「腳踏車」、「望遠鏡」……等。

(2) 實詞素與虛詞素組合：在此虛詞素並無意義，僅為辨別之用。如「帽 子」、「兒子」、「老天」、「石頭」……等。

(三) 詞組

比詞更大的單位是「詞組」又稱為短語，是由兩個或是兩個以上的詞，

包括實詞與虛詞，按照一定的語言規律組合起來的，所以短語是比詞更高一 級的語法單位，組合的各成分之間關係比較鬆散，而且還不能成為句子。詞 組從結構上大致可以分為固定詞組和自由詞組兩大類。

21

1. 固定詞組：指結構比較固定的習慣用語或四字熟語，它的詞及其次序一 般都不能變動。例如：「你一言我一語」、「國立台東大學」、

「兄弟姐妹」……等。

2. 自由詞組：由兩個或兩個以上的實詞組成，語義不等於一個詞的短語。

例如：「好天氣」、「馬總統」、「候選人」……等。

其中「白馬」、「黑衣」是詞組；「白菜」、「黑板」就是詞，不是詞組了。

因為「白馬」是「白」和「馬」兩個概念組成，我們也可以說成「白色的馬」，

可是「白菜」、「黑板」是一個單一概念，兩字結合得十分緊密（竺家寧，1998）。

在本研究中不以詞彙字數的多寡，來判斷是否為單一詞彙，而是以詞本 身是否清楚正確表達一個意義或概念，所以「貓」是一個詞，「貓頭鷹」也是 一個詞；「九」是一個詞，「九年一貫國教」也是一個詞。

二、語料庫分詞的介紹與應用

英文書寫時，詞和詞之間有距離，但中文書寫時，詞和詞之間有不斷開 的特性，因此在詞的分界上常處於模稜兩可的尷尬局面，為使一般使用者有 所依循，中華民國計算語言學學會在 1991 年開始草擬分詞規範，初步訂定分 詞的原則，於 1995 年接受中央標準局（1999 年更名為經濟部智慧財產局）的 委託，擬定「中文資訊處理分詞規範」，且於 1999 年正式通過為國家標準，

編號 CNS14366。分詞規範的研擬分為兩種方式進行，一方面是邀請台灣知名 的學者專家召開討論會，就其專業領域，討論分詞規範的大方針；另一方面 由中央研究院詞庫小組根據分詞規範，實際從事語料分析，從上百萬的語料 中，整理出分詞標準的細節規定（中研院，2013）。

「中文資訊處理分詞規範」明示分詞原則，內含兩條基本原則與六條輔 助原則。基本原則是從語意與語法兩方面來作理論性的定義，乃具不變性的 最高指導原則；相對於基本原則的不變性，輔助原則就富於彈性，可依時代 的演變、不同的文本或視情況的需要而有所增減，是具可變性的操作型原則，

下頁依基本原則和輔助原則的概念進行分詞：

(一) 基本原則

1.語意無法由組合成分直接相加而得到之字串應該合為一分詞單位。 合併原則 2.詞類無法由組合成分直接得到，應該合為一分詞單位。 合併原則

22

23

24

25